DeepSeek Harness 提出 Super-agent，把多任务管理交给系统

DeepSeek Harness刚刚提出：Super-agent，迈向更自主的Agent系统

来自DeepSeek Harness刚发布的工程架构构想，当单个Coding Agent越来越能独立做事后，如何把Agent从“一个会话一个任务”的工具，变成持续在线、跨会话、能并行推进多任务的数字协作者

直白讲，就是现在很多AI Agent就像按会话分配的临时工，这个Session修Bug，那个Session写代码，另一个Session查看CI，任务一多，人就成了切换器和记事本

所以真正卡生产力的目前不是模型会不会做单个任务，而是人的注意力管不过来这么多并行任务

DeepSeek Harness团队提出了一个Super-agent，就是把这些管理工作交给系统

用户感知层只跟同一个助手说话，一个统一的Super-agent，底层由多个独立的Worker并行执行任务

核心设计包括：

1、Router+Worker双层架构：Router负责全局上下文、任务分派和对外交互，多个Worker在隔离的Session中并行执行任务

2、事件驱动+主动执行：持续接收群聊、GitHub PR、CI 等环境事件，通过规则和模型判断是否需要行动，而不是等待用户逐条下指令

3、异步执行+上下文管理：后台任务运行时仍能接收新指令，通过Inline&Spill、链式召回等机制按需管理上下文，减少不必要的信息注入与工具调用

4、持久运行+Watchdog：将Agent计算、会话状态和执行环境解耦，支持跨设备持续运行，并通过独立Watchdog监控任务进展、检测异常和尝试恢复

研究团队展示了一个内部实践案例：

有人在群聊中反馈 Bug，即使没有@ Agent，Super-agent 也能主动识别问题、尝试复现和修复，并提交GitHub Pull Request

不过，实验使用合成负载和模拟编码任务，验证的主要是多任务调度与协作效率，并不是证明模型写代码的能力提升了

该团队也指出了未解决的问题，包括跨月长程记忆、大规模 Worker协同、权限隔离、提示词注入，以及云端Agent控制本地设备带来的安全风险等

这个架构的部分设计已在dsh-superagent-prototype中实现，这个插件也只是一种为了验证技术路线，并非DeepSeek的正式产品

#Superagent #DeepSeekHarness #自主式AI